CEREGMIA - Univ. Antilles-Guyane 97259 Schoelcher France;
Sony Computer Science Laboratories Inc. Tokyo 141-0022 Japan;
Non-linear manifold learning; Pattern mining; Visualization;
机译:Lee,StuartD。《数字成像:实用手册》。纽约:尼尔·舒曼出版社,与伦敦图书馆协会出版社合作,2001年。194页。 $ 55,连杯。纸(ISBN 1-55570-405-0)。 LC 00-45075。
机译:Lee StuartD。《数字成像:实用手册》。纽约:尼尔·舒曼出版社,与伦敦图书馆协会出版社合作,2001年。194页。 $ 55,连杯。纸(ISBN 1-55570-405-0)。 LC 00-45075。
机译:基于图书馆服务于儿童能力协会的数字叙事:一项旨在促进与社会正义相关的价值观的学习活动
机译:非线性书籍歧管:从关联学习数字图书馆的动态几何
机译:同时学习高维时间序列的非线性流形和动力学模型。
机译:扩展了用于生物电信号中动态流形的时间序列分析的流形学习框架
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)
机译:数字通话书分布分析:音频书籍分发系统设计提交给国会图书馆,国家图书馆盲人和残疾人数字通话书籍分发服务分析任务4:过渡